重复惩罚参数可调节GEC推理精度-召回权衡

重复惩罚参数可在推理时调节GEC的精度-召回权衡。

资讯摘要

论文研究大语言模型在语法纠错（GEC）中的解码策略，发现重复惩罚参数可在推理阶段调节精度与召回的权衡，无需改动模型架构、训练流程或提示词。作者在标准GEC基准上实验，称该方式概念上类似此前面向序列到序列GEC模型的Align-and-Predict Decoding（APD），但更简单，且适用于暴露推理期解码惩罚参数的现有LLM。

要点速读

1. 论文考察LLM用于语法纠错时的解码策略，指出推理期参数会直接改变token生成行为。
2. 作者报告重复惩罚参数可在不改模型架构、训练流程和提示词的情况下调节精度-召回平衡。
3. 在标准GEC基准上的实验显示该解码方式与APD概念相关，且更简单、适用范围更广。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。